Claim Missing Document
Check
Articles

Found 1 Documents
Search
Journal : Digital Transformation Technology (Digitech)

Peningkatan Efektivitas Pengelolaan Kegiatan Praktik Kerja Lapangan (PKL) di Sekolah Menengah Kejuruan (SMK) Menggunakan Algoritma Genetika Niagara, Asep Indra; Nursalman, Muhammad; Wibisono, Yudi
Digital Transformation Technology Vol. 5 No. 1 (2025): Periode Maret 2025
Publisher : Information Technology and Science(ITScience)

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.47709/digitech.v5i1.5771

Abstract

Praktik Kerja Lapangan (PKL) merupakan komponen kunci dalam pendidikan vokasi di Sekolah Menengah Kejuruan (SMK). Pemetaan siswa PKL harus memperhatikan kesesuaian kompetensi, pemenuhan kuota perusahaan, dan jarak tempuh dari tempat tinggal siswa ke perusahaan tempat PKL. Pemetaan siswa PKL secara manual selama ini memakan waktu, sehingga kurang efektif. Penelitian ini bertujuan untuk mengimplementasikan Algoritma Genetika (GA) untuk menyelesaikan masalah pemetaan siswa PKL ke perusahaan secara optimal, dengan mempertimbangkan kesesuaian kompetensi keahlian siswa, pemenuhan kuota perusahaan, dan meminimalkan jarak tempuh. Penelitian ini mengambil sampel data dari 4 kelas, terdiri dari 48 siswa (24 TKJ dan 24 AKL) dan 19 perusahaan (11 TKJ dan 8 AKL). Data siswa meliputi informasi pribadi, kompetensi keahlian, dan koordinat geografis tempat tinggal, sementara data perusahaan mencakup bidang kompetensi, kapasitas penerimaan, dan lokasi geografis. Proses optimasi dimulai dengan inisialisasi populasi solusi secara acak, diikuti oleh evaluasi fitness berdasarkan bobot kriteria yang telah ditentukan. Operasi genetika seperti seleksi (tournament selection), crossover (two-point crossover), mutasi, dan perbaikan (repair) diterapkan untuk menghasilkan solusi yang lebih baik pada setiap generasi. Hasil penelitian menunjukkan bahwa algoritma ini mampu mencapai tingkat akurasi pemetaan berdasarkan kompetensi keahlian dan jumlah kapasitas penerimaan sebesar 100%, dengan rata-rata jarak tempuh siswa ke perusahaan sebesar 5,7 km. Konvergensi tercapai setelah 37 generasi dengan nilai fitness terbaik sebesar 0,9723. Penelitian ini membuktikan bahwa Algoritma Genetika efektif untuk menyelesaikan masalah pemetaan siswa PKL yang memiliki karakteristik data yang kompleks. Optimasi lebih lanjut melalui paralelisasi komputasi dan integrasi metode hybrid dapat meningkatkan efisiensi algoritma.